API синхронного распознавания
Статья создана
Обновлена 13 августа 2024 г.
С помощью API синхронного распознавания можно распознавать подготовленные аудиофайлы с такими характеристиками:
- максимальный размер файла — 1 МБ;
- максимальная длительность — 30 секунд;
- максимальное количество аудиоканалов — 1.
Сервис синхронного распознавания располагается по адресу: stt.api.cloud.yandex.net/speech/v1/stt:recognize
Query-параметры
| Параметр | Описание |
|---|---|
| lang | string Язык, для которого будет выполнено распознавание. Допустимые значения см. в описании модели. Значение по умолчанию — ru-RU — русский язык. |
| topic | string Языковая модель, которую следует использовать при распознавании. Чем точнее выбрана модель, тем лучше результат распознавания. В одном запросе можно указать только одну модель. Допустимые значения зависят от выбранного языка. Значение параметра по умолчанию: general. |
| profanityFilter | boolean Параметр, регулирующий работу фильтра ненормативной лексики в распознанной речи. Допустимые значения:
|
| rawResults | boolean Флаг, указывающий, как писать числа. true — писать прописью, false (по умолчанию) — писать цифрами. |
| format | string Формат передаваемого аудио. Допустимые значения:
|
| sampleRateHertz | string Частота дискретизации передаваемого аудио. Применяется, если значение format равно lpcm. Допустимые значения:
|
| folderId | string Идентификатор каталога, к которому у вас есть доступ. Требуется для авторизации с пользовательским аккаунтом (см. ресурс Аутентификация в API SpeechKit). Не используйте это поле, если вы делаете запрос от имени сервисного аккаунта. Максимальная длина строки в символах — 50. |
Параметры в теле запроса
В теле необходимо передать двоичное содержимое аудиофайла.
Ответ
Распознанный текст возвращается в ответе в поле result.
{
"result": <распознанный_текст>
}
Подробнее о формате и кодах ответов см. на странице Формат ответа.